基于机器学习的基因表达分析以识别上道尿路癌的预后生物标志物
Bernat Padullés1,2, Ruben López-Aladid3, Mercedes Ingelmo-Torres1,2
1Urology Department and Laboratory, Hospital Clínic de Barcelona, 08036 Barcelona, Spain.
Cancers
|August 28, 2025
概括
这项研究使用机器学习识别了10个关键基因来预测上道泌尿道癌 (UTUC) 的进展. 这些基因表达生物标志物具有较高的辨别能力,有可能改善这种罕见癌症的风险分层.
科学领域:
- 癌症学
- 基因组学
- 生物信息学
背景情况:
- 上部泌尿道癌 (UTUC) 是一种罕见的,具有有限预后工具的侵袭性癌症.
- 由于UTUC的发病率很低,因此对UTUC的分子驱动因素的了解很少.
- 为了有效的术后管理,需要改善风险分层.
研究的目的:
- 确定基因表达生物标志物用于预测UTUC进展.
- 探索机器学习在分析UTUC转录数据方面的潜力.
- 提高UTUC患者的风险分层并指导治疗决策.
主要方法:
- 应用机器学习对17个pT2/pT3 UTUC根性瘤切除 (RNU) 样本的基因表达数据.
- 使用RNA测序和差异基因表达分析 (DESeq2).
- 使用后勤回归和ROC分析进行预测功率评估.
主要成果:
- 在渐进性和非渐进性UTUC之间识别了76个差异表达的基因.
- 一个随机的森林分类器确定了十个具有预后潜力的关键基因.
- 达到了0. 88的AUC,显示出这些基因的高分辨能力.
结论:
- 机器学习与转录组分析相结合,可用于识别UTUC预后生物标志物.
- 这些已识别的基因与免疫调节,细胞循环和瘤进展有关.
- 在更大的队列中进行进一步验证对于临床应用至关重要.
